Di er Türküler

A essência dos classificadores é codificar uma relação entre a entrada e saída (repre- sentado por um conjunto de exemplos rotulados) em parâmetros estatísticas intrínsecos do método. É esperado que o classificador torne-se bem treinado de modo que aprenda o

CAPÍTULO 2. FUNDAMENTAÇÃO TEÓRICA 30 suficiente sobre o passado para generalizar no futuro. Ou seja, o processo de aprendizado se transforma em uma escolha de parametrização para um conjunto de dados. Métodos de validação são maneiras de determinar se o classificador foi bem treinado e aprendeu a re- lação entre entradas e saídas [Haykin 1998]. Entre esses métodos de validação destaca-se a Matriz de Confusão e o cálculo da Sensibilidade [Guimaraes 1985]. Esses dois méto- dos são os mais utilizados para na avaliação de classificadores de detecção de patologias médicas. Dessa forma, na sequência os mesmos serão apresentados.

2.5.1

Matriz de Confusão

Após a divisão do conjunto de dados e treinamento, é de grande importância fazer uma avaliação do desempenho do classificador. Em algumas aplicações o número total de erros não é um parâmetro adequado para analisar o desempenho de um sistema. Por exemplo, é preferível cometer o erro de classificar um não nódulo como sendo nódulo do que cometer o erro de classificar um nódulo como não nódulo, pois dessa forma poderá influenciar na decisão do radiologista de não investigar um paciente com a patologia. Para contornar esse problema, os resultados são descritos através de uma na matriz, chamada de Matriz de Confusão [Haykin 1998].

Para compreender o método, considere que nosso classificador esteja sendo usado para fazer um diagnóstico médico e que as respostas possíveis para este diagnóstico são: “Positivo” e “Negativo”. Dessa forma, quatro possibilidades de predição podem ocorrer:

• Se o paciente for portador de uma doença e o classificador acertar no diagnóstico, o caso é um Verdadeiro Positivo (VP);

• Se o paciente não for portador da doença e o classificador acertar no diagnóstico, o caso é um Verdadeiro Negativo (VN);

• Se o paciente for portador da doença, mas o classificador errar no diagnóstico indi- cando que ele está saudável, o caso é um Falso Negativo (FN);

• Se o paciente não for portador da doença, mas o classificador errar no diagnóstico indicando que ele está doente, o caso é um Falso Positivo (FP).

Essas quatro combinações de resultados estão representadas em uma matriz chamada de Matriz de Confusão, ilustrada na Tabela 2.1.

A Matriz de Confusão representa melhor os resultados de um sistema de classifica- ção. Os elementos fora da diagonal podem ser somados para se obter o número de erros, enquanto que os elementos da diagonal podem ser somados para se obter o número de classificações corretas.

CAPÍTULO 2. FUNDAMENTAÇÃO TEÓRICA 31

Tabela 2.1: Matriz de Confusão.

Classificado com doente Classificado como não doente Doente Verdadeiro Positivo (VP) Falso Negativo (FN) Não doente Falso Positivo (FP) Verdadeiro Negativo (VN)

2.5.2

Sensibilidade

A Sensibilidade é a capacidade que um sistema tem de discriminar, dentre os suspeitos de uma patologia, aqueles efetivamente doentes [Guimaraes 1985]. Para isso, ele faz uma relação entre os Verdadeiros Positivos e todos os efetivamente doentes (que são os VP mais os FN). Esta propriedade é dada pela fórmula [Haykin 1998]:

Sensibilidade = V P

(V P + FN) (2.20)

A Sensibilidade é o parâmetro mais utilizada para mensurar a qualidade de classifi- cadores utilizados na detecção de câncer, pois esse parâmetro leva em consideração que o custo de um Falso Positivo é diferente de um Falso Negativo [El-Baz et al. 2013]. Por exemplo, pense nos danos, do ponto de vista da saúde pública, entre fornecer um falso diagnóstico positivo para um paciente saudável e um falso diagnóstico negativo para um paciente com um câncer tratável. Nesse caso é preferível errar com um Falso Positivo.

CAPÍTULO

3

MÉTODO PROPOSTO

Nas últimas décadas vêm surgindo vários avanços na área da Radiologia. Esses avan- ços ocorrem não só no desenvolvimento de novos equipamentos e técnicas, mas também no suporte tecnológico para auxiliarem os serviços. Um dos grandes avanços foi o de- senvolvimento do sistema PACS, o que permitiu não só uma melhoria no sistema de ar- quivamento de imagens, como também aperfeiçoou o fluxo de trabalho nos serviços de Radiologia [Strickland 2000].

Atualmente um dos maiores desafios na pesquisa na área da Radiologia é o desenvol- vimento de sistemas de detecção de patologias médicas. Esses sistemas deverão melhorar o desempenho dos radiologistas, reduzir o tempo necessário para o diagnóstico, ser inte- grado com o ambiente de trabalho da equipe médica e possuir baixo custo de implantação e utilização [van Ginneken et al. 2011]. Visando superar este desafio para a detecção de nódulos pulmonares, iremos propoe neste Capítulo um sistema inteligente, que será integrado ao OpenPACS, chamado de LCD-OpenPACS (Lung Cancer Detection - Open- PACS). O sistema irá auxiliar aos radiologistas através da realização de uma pré-análise semiautomática de exames de TC do tórax visando detectar nódulos pulmonares e, caso detectado, gerar alertas. Dessa forma, os radiologistas autorizados poderão ter acesso remoto aos exames originais e a pré-análise, através do OpenPACS, para realizar a sua tomada de decisão.

Visando melhor entendimento, o capítulo está subdividido nas seguintes seções. Na Seção 3.1 será mostrado o fluxo de trabalho da Radiologia em uma unidade de saúde que utiliza o OpenPACS e como o LCD-OpenPACS está incorporado a esse fluxo. Na Seção 3.2 é exibido a arquitetura do método e descrito a funcionalidade de cada módulo que ela contém. E, por último, na Seção 4.4 serão apresentadas as limitações do método proposto.

CAPÍTULO 3. MÉTODO PROPOSTO 33

3.1

Contextualização

A geração de exames de imagens médicas normalmente não é o primeiro passo de um processo de diagnóstico, com exceções são casos de urgência ou de acidentes graves com pacientes inconscientes. Normalmente, a equipe de saúde questiona o paciente sobre os seus sintomas, histórico de doenças anteriores e realiza diagnóstico simples, como a pal- pação, auscultação com um estetoscópio e medidas de pressão arterial. Em alguns casos, faz-se necessário testes clínicos em que os líquidos do corpo, tais como sangue e urina, são analisados. A geração exames de imagens médicas normalmente é realizada quando as etapas de diagnóstico descritas anteriormente não foram suficientes para realizar o di- agnóstico.

No fluxo de trabalho nos setores de Radiologia que utilizam o sistema OpenPACS a realização do exame de imagem é realizado pelos radiologistas ou técnicos de radiologia, dependendo da complexidade do exame. Na sequência, as imagens são automaticamente enviadas para o Servidor OpenPACS e um técnico administrativo entra em contato com o radiologista para analisar o exame e realizar o laudo. Caso o médico tenha alguma dúvida, ele solicita a realização de novos exames. De outro modo, o médico elabora o laudo. Ele é um documento técnico no qual o radiologista, com base na sua formação especializada e em experiências anteriores, descreve os elementos de um determinado exame de imagem e finaliza com a sua interpretação [S.Silva et al. 2014].

O método proposto é totalmente integrado ao ambiente de trabalho que utiliza o sis- tema OpenPACS, conforme ilustrado no diagrama presente na Figura 3.1. Será acrescen- tado uma aplicação para conectar ao servidor e verificará se existem novos exames de tomografia computadorizada do tórax. Caso afirmativo, esses exames irão ser enviados para o módulo de processamento do LCD-OpenPACS. Após o processamento, os resul- tados serão enviados para serem armazenados no servidor OpenPACS. O sistema ainda gera mensagens de alertas para a equipe médica caso algum tumor seja detectado.

O sistema proposto também permite a utilização da telerradiologia com auxílio ao diagnóstico de detecção de nódulos pulmonares. A telerradiologia consiste na transmissão eletrônica de imagens radiológicas de um local para outro com finalidades permitir um melhor acesso aos exames. Através da telerradiologia, na ausência do médico no hospital, as imagens do paciente e o resultado do LCD-OpenPACS podem ser visualizadas por computadores pessoais, com acesso a Internet, de usuários autorizados. Dessa forma, é possível reduzir o tempo necessário para o diagnóstico.

CAPÍTULO 3. MÉTODO PROPOSTO 34

Figura 3.1: Fluxo de trabalho nos serviços de radiologia com a utilização do sistema LCD-OpenPACS.